我院赵耐青教授课题组应用混合广义相加模型和环境延迟加权方法探究气温与脑梗发病的关联

更新时间:2016-01-19  |  点击数:2122

供稿  秦国友

广义相加模型已广泛应用于环境因素与健康效应的关联研究。广义相加模型相比广义线性模型,其优势在于可以同时评估环境因素对健康效应的线性及非线性关联。然而目前广泛应用的广义相加模型在拟合时间序列数据时,简单的假设观察值之间相互独立,用概率模型来估计参数。但是时间序列数据的观察值之间往往是不独立的,构建一种能考虑到时间序列观察值自相关特征的模型是环境因素与健康效应关联研究亟需解决的问题之一。环境因素对健康效应影响一般都具有延迟效应,这种延迟效应不仅仅是发生延迟某1天,而是关于延迟天数的效应分布。

赵耐青教授课题组引入了混合广义相加模型结合延迟效应分布来解决上述问题。在广义相加模型的基础上,混合广义相加模型额外加入了随机效应来校正时间序列数据的自相关性并且借助环境延迟加权方法对气温延迟效应分布进行估计。课题组与上海市医保中心合作,将此模型应用于评价上海市老年人群中气温与脑梗发病之间的关联。研究广义相加模型的残差自相关函数图和偏自相关函数图存在很多相关性超过0.1的情况,而混合广义相加模型的自相关和偏自相关都处于-0.1和0.1之间,意味着混合广义相加模型在处理时间序列数据时优于一般的广义相加模型。此外,模型结果显示,当平均气温低于和高于27℃时,气温每升高1℃,相应的65岁以上男性人群的脑梗发病风险会分别降低0.95%和0.34%;当平均气温低于和高于8℃时,气温每升高1℃,65岁以上女性的脑梗发病风险会分别增加0.34%和降低0.92%,并且女性的气温延迟效应分布离散程度较小,气温延迟效应峰值在延迟第1天附近,而男性的气温延迟效应离散程度较大,气温延迟效应峰值在延迟第2天附近。

混合广义相加模型因其考虑到了时间序列数据自相关的特征,在拟合时间序列数据时优于一般的广义相加模型,借助环境因素延迟加权方法可以对环境因素延迟效应分布进行估计。因此,我们推荐应用混合广义相加模型和环境因素延迟加权方法到今后的环境风险因素与健康效应的时间序列研究中。此项研究结果已于2016年1月11日发表在Scientific Reports(http://www.nature.com/articles/srep19052),杂志影响因子为5.578。赵耐青教授和王锡玲老师是此项研究的共同通讯作者。